論文の概要: HarmoGS: Robust 3D Gaussian Splatting in the Wild via Conflict-Aware Gradient Harmonization
- arxiv url: http://arxiv.org/abs/2605.13073v2
- Date: Fri, 15 May 2026 06:02:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:25.96234
- Title: HarmoGS: Robust 3D Gaussian Splatting in the Wild via Conflict-Aware Gradient Harmonization
- Title（参考訳）: HarmoGS: 紛争対応のグラディエント・ハーモニゼーションによる野生でのロバストな3Dガウシアン・スプレイティング
- Abstract要約: In the-the-wild 3D Gaussian Splattingは、過渡的乱れと照明による視界不整合のため、依然として困難である。
本稿では、画像空間の監督と勾配レベルの最適化の両方からこの問題に対処するコンフリクト対応3DGSフレームワークを提案する。
本手法は,複雑な過渡トラクタとクロスビューの不整合の下で,最先端のレンダリング品質を実現する。
- 参考スコア（独自算出の注目度）: 82.42818558196615
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In-the-wild 3D Gaussian Splatting remains challenging due to transient distractors and illumination-induced cross-view appearance inconsistencies. Existing methods mainly rely on image-level masking to suppress unreliable supervision, but masking alone cannot fully eliminate residual occlusions or resolve illumination-induced inconsistencies, both of which can introduce conflicting cross-view gradients. These unresolved conflicts may destabilize Gaussian optimization and lead to visible reconstruction artifacts. We propose a conflict-aware 3DGS framework that addresses this problem from both image-space supervision and gradient-level optimization. Semantic Consistency-Guided Masking learns pixel-wise consistency scores to adaptively refine prior masks and suppress unreliable supervision before gradient formation. A dual-view Conflict-Aware Gradient Harmonization strategy further reconciles view-specific gradients by mutually rotating them into an orthogonal configuration, reducing negative directional interference across views. We also introduce conflict-aware densification and pruning to stabilize Gaussian growth and remove persistently conflicting primitives. Extensive experiments on standard in-the-wild benchmarks demonstrate that our method achieves state-of-the-art rendering quality under complex transient distractors and cross-view inconsistencies.
- Abstract（参考訳）: In the-the-wild 3D Gaussian Splattingは、過渡的乱れと照明による視界不整合のため、依然として困難である。
既存の手法は主に画像レベルのマスキングを頼りにして、信頼性の低い監視を抑えるが、マスキングだけでは、残存する隠蔽を完全に排除したり、照明による不整合を解消することはできない。
これらの未解決の紛争はガウスの最適化を不安定にし、目に見える復元品に繋がる可能性がある。
本稿では、画像空間の監督と勾配レベルの最適化の両方からこの問題に対処するコンフリクト対応3DGSフレームワークを提案する。
セマンティック一貫性誘導マスキング(Semantic Consistency-Guided Masking)は、事前マスクを適応的に洗練し、勾配形成前の信頼できない監督を抑えるため、ピクセルワイズ整合スコアを学習する。
双対ビューの衝突を考慮したグラディエント調和戦略は、ビュー間の負の方向干渉を低減し、相互に直交する構成にすることで、ビュー固有の勾配を更に調整する。
我々はまた、ガウスの成長を安定させ、永続的に矛盾するプリミティブを取り除くために、紛争認識の密度化とプルーニングも導入する。
提案手法は, 複雑な過渡トラクタとクロスビューの不整合の下で, 最先端のレンダリング品質を実現することを実証した。
関連論文リスト
- NOVA-GS: Noise-Aware View-Consistent Gaussian Splatting for Low-Light Novel View Synthesis [8.990930037094982]
NOVA-GSは低光度3Dガウススプラッティングのためのノイズ対応フレームワークである。
単一のプロセス内で拡張、デノイング、および幾何最適化を仮定する。
様々な現実世界の低照度データセットの実験では、ペアの監督やよく照らされた参照を必要とせずに、幾何学的忠実度、色一貫性、堅牢性が改善された。
論文 参考訳（メタデータ） (2026-09-11T10:26:36Z) - Overcoming Attention Drift: Homogeneity-Heterogeneity Guided Feature Aggregation for Low-Light Remote Sensing Image Enhancement [10.412281080988647]
ノイズや照明の破損により、既存の手法は注意の漂流や構造的ぼやけや色歪みに悩まされる。
本稿では,基礎モデルによって導かれる特徴集約問題として拡張を定式化する,二重優先型拡張フレームワークHALOを提案する。
H2CAMは8つの挑戦的な合成および実世界のリモートセンシングベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-08-06T10:11:36Z) - CLEAR: Conflict-aware Learning via Evidence-guided Adaptive Routing for Unified Sparse-View 3D Gaussian Super-Resolution [80.43237927269575]
Sparse-view 3D Gaussian Splatting Super- resolution のための最初の統一された単一ステージフレームワークとして CLEAR を提案する。
CLEARは、統合ガウス表現の中で、真のLR観測と外部HR事前の最適化を共同で行う。
合成と実世界の両方の4times$超高解像度ベンチマークの実験は、CLEARが常に最先端のレンダリング品質を達成していることを示している。
論文 参考訳（メタデータ） (2026-08-03T13:31:53Z) - Softmax-GS: Generalized Gaussians Learning When to Blend or Bound [19.234118544637592]
3Dガウススメッティング(3D GS)は、高いトレーニングとレンダリング効率のために、新しいビュー合成に広く採用されている。
我々は、ビュー不整合と拡散境界問題に対処する統一解であるSoftmax-GSを提案する。
論文 参考訳（メタデータ） (2026-04-30T05:23:05Z) - DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS [85.90134051583368]
3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。
いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。
論文 参考訳（メタデータ） (2025-12-04T14:05:09Z) - HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping [11.035994094874141]
HBSplatは、堅牢な構造的キュー、仮想ビュー制約、隠蔽された領域補完をシームレスに統合するフレームワークである。
HBSplatは21.13dBのPSNRと0.189LPIPSを達成し、リアルタイム推論を維持している。
論文 参考訳（メタデータ） (2025-09-29T15:03:31Z) - RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。
2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
論文 参考訳（メタデータ） (2025-06-03T11:13:48Z) - CL-MVSNet: Unsupervised Multi-view Stereo with Dual-level Contrastive Learning [32.65909515998849]
CL-MVSNetという2段階のコントラスト学習手法を提案する。
具体的には、2つの対照的な分岐を教師なしMVSフレームワークに統合し、追加の監視信号を構築する。
提案手法は,すべてのエンドツーエンドのMVSフレームワークの最先端性能を達成し,微調整を行なわずに教師付きフレームワークをかなりの差で上回っている。
論文 参考訳（メタデータ） (2025-03-11T09:39:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。